LanPaint

不训练，任意SD模型一键高质量修图补全

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 57 🐛 待处理 24 👀 关注 14

GitHub ↗

GitHub 星标 ★ 1485

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费，需自行部署

项目预览

项目数据

分类图像生成

开发团队scraed

GitHubhttps://github.com/scraed/LanPaint

定价模式🏷️完全免费

价格说明开源免费，需自行部署

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型audio-processing,comfyui,comfyui-custom-node,comfyui-custom-nodes,comfyui-nodes,diffusion-inpainting,diffusion-models,generative-ai,generative-model,image-editing,inpainting,inpainting-algorithm,video-editing

GitHub 星标★ 1485

上线时间2025-02-27 00:00:00

代码更新2026-09-28

仓库体积379.6 MB

本站数据更新2026-11-12

维护状态维护中

收录时间2026-09-28

浏览次数2

项目介绍

LanPaint 是一个面向 Stable Diffusion 系列模型的免训练图像修复（inpainting）方案，同时提供 ComfyUI 自定义节点。它要解决的问题是：传统修复往往需要针对特定模型额外训练或微调，换模型就要重来，且边缘接缝、结构一致性难以保证。LanPaint 通过改进采样与掩码融合策略，在不重新训练的前提下，让任意 Stable Diffusion 模型都能获得高质量修复效果，用户只需在 ComfyUI 中接入节点即可使用。核心能力包括：兼容多种 SD 模型与常见修复工作流，对涂抹区域进行更自然的内容补全，减少接缝和色差，支持与现有 ComfyUI 管线组合。项目以 Python 实现，星标约 1400，属于成长中的实用工具，适合想低成本获得稳定修复效果的创作者与开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-28 · 当前星标 ★ 1485

技术标签

audio-processing comfyui comfyui-custom-node comfyui-nodes diffusion-models

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

已安装 ComfyUI，版本需大于 0.3.11
建议安装 ComfyUI-Manager 便于管理扩展
可访问 GitHub 以克隆节点仓库
准备一个 Stable Diffusion 系列模型用于修复测试

安装与启动步骤

1安装 ComfyUI

按 ComfyUI 官方安装指南在本地部署，或确认现有 ComfyUI 版本高于 0.3.11，否则先升级。
2安装 Manager

在 ComfyUI 中加入 ComfyUI-Manager，用于后续搜索和安装自定义节点，具体步骤见其仓库说明。
3管理器安装节点

打开 ComfyUI-Manager，搜索 LanPaint 并直接安装，这是 README 推荐的快捷方式。
4手动克隆节点

也可在 ComfyUI-Manager 中选 Install via Git URL 填入仓库地址，或把仓库克隆到 custom_nodes 目录。
```
cd ComfyUI/custom_nodes
git clone https://github.com/scraed/LanPaint.git
```
5重启 ComfyUI

重启后 LanPaint 节点才会被加载，随后可在节点菜单的 sampling 分类下找到它。
6载入示例工作流

进入 example 文件夹下载全部图片，把 InPainted_Drag_Me_to_ComfyUI.png 拖入 ComfyUI 载入工作流，并下载示例所需模型。